Los elementos meteorológicos pueden afectar al medio ambiente y a las culturas de manera diferente y pueden alterar el proceso de desarrollo natural contribuyendo significativamente al cambio climático. Se estudiaron variables meteorológicas del Pantanal brasileño y se utilizaron para determinar la evapotranspiración con menos variables. Se encontró que la inteligencia artificial puede mejorar sustancialmente la modelización ambiental cuando se utilizan técnicas de predicción alternativas, lo que resulta en menores costos de proyecto y resultados más fiables. Este trabajo intentó encontrar la mejor combinación comparando técnicas de aprendizaje automático como redes neuronales artificiales, bosques aleatorios y máquinas de vectores de soporte. Se creó un nuevo modelo que depende de menos variables climáticas en comparación con el método de Penman-Monteith (el método estándar para estimar la evapotranspiración de referencia) y puede describir eficientemente la evapotranspiración de referencia. Las técnicas de aprendizaje automático son altamente eficientes para modelar sistemas ambientales ya que pueden procesar grandes cantidades de datos y encontrar las mejores interacciones entre los parámetros involucrados. Además, se obtuvo más del 98% de precisión utilizando menos variables en comparación con el método estándar cuando se utilizan redes neuronales artificiales.